Kemal Yazgan1 Jale Metin Kıyıcı2
1
: Harran Üniversitesi Ziraat Fakültesi Zootekni Bölümü 63300, ŞANLIURFA.
2
: Erciyes Üniversitesi Seyrani Ziraat Fakültesi Zootekni Bölümü 38039, KAYSERİ.
Özet
Bu çalışmanın amacı Türkiye’de yetiştiriciliği yapılan Esmer ırkı süt sığırlarında süt verimi (SV) ile kuru madde (KM), yağ (Y) ve sağım süresi (SS) gibi işlevsel özelliklerin kalıtım derecelerini tahmin etmek ve bu özellikler arasındaki genetik ilişkiyi şansa bağlı regresyon modeli ile, kalıntılara ait varyansın laktasyon boyunca heterojen olduğunu varsayarak incelemektir. Varyans unsurları tahmini dört özellik aynı anda analiz edilmek suretiyle, kısıtlanmış en yüksek olabilirlik (REML) metodu ve AI- REML algoritması ile tahmin edilmiştir. Veri seti ticari olmayan bir deneme çiftliğinden elde edilmiş olup her bir özellik için 636 denetim günü (DG) kaydı içermektedir. Özelliklere ait ortalama kalıtım dereceleri SV, KM, Y ve SS için sırasıyla 0.29, 0.10, 0.16 ve 0.05 olarak tahmin edilmiştir. Araştırmada en geniş genetik korelasyon aralığı Y-SS arasında tespit edilmiş ve -0.34 ile 0.72 aralığında değişmiştir. KM ve SS arasındaki genetik korelasyonlarının oluşturduğu eğri biçimi Y-SS eğrisine benzer bulunmuş ve KM-SS arasındaki genetik korelasyonlar -0.24 ile 0.61 aralığında değişmiştir. Diğer özellikler arasındaki genetik korelasyonlar ise; SV-KM için 0.08 ile 0.65, SV-SS için -0.16 ile 0.28 ve SV-Y için ise 0.04 ile 0.59 aralığında tespit edilmiştir.
Araştırmadan elde edilen sonuçlar sütteki yağ yüzdesi ve diğer komponentlerin artışına bağlı olarak sütün akıcılığının azalabileceğini ve buna bağlı olarak da sağım süresinin uzayabileceğini göstermektedir.
Anahtar Kelimeler: Şansa bağlı regresyon modeli, Sağım süresi, Kalıntılara ait hata.
Detecting Genetic Relationship between Some Milk Traits on Brown Swiss Dairy Cattle Using Random Regression Model
Abstract
The objective of this study was to estimate heritabilities and genetic relationship between some functional milk traits such as milk yield (MY), dry matter (DM), fat (F) and milking duration (MD) on Brown Swiss dairy cattle growing in Turkey with random regression model using heterogeneous residual error variance interval. Variance components were estimated with 4 multiple-trait (4 traits at a time) random regression model via restricted maximum likelihood (REML) with AI-REML algorithm. Data were obtained from an experimental farm and comprising 636 test day (TD) records for each trait. Average heritability for MY, DM, F and MD were 0.29, 0.10, 0.16 and 0.05 respectively. The largest genetic correlation interval were found between F and MD and ranged from -0.34 to 0.72. The shape of genetic correlation curve of DM-MD was similar to F-MD and genetic correlation between DM-MD ranged from -0.24 to 0.61. Genetic correlations of other traits changed from 0.08 to 0.65 for MY-DM, - 0.16 to 0.28 for MY-DM and 0.04 to 0.59 for MY-F.
Results from this study implied that increased of fat percentage in milk and other milk components could reduce the milk fluency and it could also affect the milking duration.
123 Giriş
Türkiye’de yetiştiriciliği yapılan süt sığırlarında sütü oluşturan bileşenlerden protein, yağ, laktoz ve süt üre nitrojeni gibi bileşenlere ait genetik parametre tahminleri ve buna bağlı olarak genetik korelasyon hesaplamalara ilişkin çalışmalar oldukça azdır. Bununla birlikte süt sığırlarının rutin genetik değerlendirilmelerinde şansa bağlı regresyon metodolojisi kullanımı protein yağ ve laktoz gibi süt bileşenleri içinde yaygınlaşmakta olup (Interbull, 2007; Bohmanova ve ark., 2008) yine literatürde sütteki kuru madde için yeterli sayıda çalışma bulunmamaktadır. Sütteki kuru maddeyi oluşturan ana bileşenlerden protein, yağ ve laktoz oranlarının bilinmesi ya da tahmin edilmesi süt işleme teknolojisinde önemli bir avantajdır ve sütteki kuru maddenin tespiti, protein yağ ve laktoza göre kolay olmakla birlikte bunların kuru madde ile genetik korelasyonlarının tahmini ıslah çalışmalarında kullanılabilir (Yazgan et al. 2010).
Süt sağım hızı ise klinik mastitis, işçilik masrafları ve elektrik gücü kullanımı ile yakından alakalıdır (Boettcher ve ark. 1998; Ilahi ve Kadarmideen 2004, Karacaören ve ark., 2006). Bununla birlikte genetik ve çevresel faktörler süt sağım hızını etkilediğinden ve ayrıca sağım hızı laktasyon sırası ve dönemlerinde değiştiğinden (Meyer ve Burnside 1987; Zwald ve ark., 2005) ötürü sağım hızı bakımından hayvanlar arasında varyasyon gözükmektedir. Bu sebepledir ki hayvan başına sağım hızlarının gözlemlenmesi tek başına yeterli olmayabilir. Ayrıca sağım süresinin optimum bir uzunlukta olması gerektiği çünkü çoğu süt üreticisinin süt akış hızı azalmaksızın sağım süresi bakımından benzer uzunlukta hayvanlara sahip olmayı tercih ettikleri bildirilmiştir (Zwald ve ark., 2005).
Özellikle süt yağının ve kuru maddesinin süt akış hızı ve sağım süresine etkisi olabileceği fikri üzerinden yola çıkarak böyle bir etkinin araştırılması ihtiyacı doğmuş olup bu çalışmada şansa bağlı regresyon modeli kullanılarak ve kalıntılara ait varyansın denetim günleri arasında farklı olduğu varsayılarak süt verimi (SV), kuru madde (KM), süt yağı (Y) ve sağım süresi (SS) gibi özelliklerin kalıtım dereceleri ile birbirleri arasındaki genetik korelasyonların tespiti amaçlanmıştır.
Materyal ve Yöntem
Araştırmanın deneme materyalini Erzurum’da bulunan Atatürk Üniversitesi Ziraat Fakültesi deneme ünitesinde 2006-2007 yılları arasında yetiştiriciliği yapılan birinci, ikinci ve üçüncü laktasyon sıralarında 59 sağlıklı Esmer ırkı süt sığırından on dört günde bir elde edilmiş süt verimleri ve buna bağlı olarak tespit edilen kuru madde, süt yağı ve sağım sürelerine ilişkin veri ve bu hayvanlara ait soy kütüğü kayıtları oluşturmaktadır. Veri setinde her bir gözlem unsuru için 636 denetim günü (DG) kaydı bulunmaktadır. Tüm kayıtlar laktasyonların 196. gününe kadar tutulmuştur. Oluşturulan soy kütüğü dosyasında 115 hayvan bulunmaktadır (59 süt sığırı, 15 baba ve 41 ana) 13 süt sığırının babası, 10 süt sığırının da anasına ait bilgi bulunmamaktadır.
SV, KM, Y ve SS gibi unsurların varyans-kovaryans bileşenleri ve genetik korelasyon gibi parametre tahminleri, üzerinde durulan dört unsurun aynı anda şansa bağlı regresyon modeli kullanılarak REML metodu ve AI-REML algoritması ile WOMBAT (Meyer, 2007) programı yardımıyla tahminlenmiştir. Araştırmada bu alanda yaygın olarak kullanılan dört farklı unsura ait gözlem değerlerini içeren (Multiple trait)
şansa bağlı regresyon modeli (Schaeffer ve ark., 2000) kullanılmış olup aşağıda verilmiştir;
Burada; : o. denetim zamanında, m. süt sığırına ait herhangi bir i. muameleye ilişkin (SV, KM, Y veya SS) gözlem. : herhangi bir i. gözleme ilişkin j. yıl etkisi. : herhangi bir i. gözleme ilişkin k. laktasyon sırası etkisi. : herhangi bir i. gözleme ve l. denetim günü grubuna özgü n. sabit regresyon katsayısı. : m. süt sığırında herhangi bir i. gözleme ait eklemeli genetik etkiye ilişkin n. şansa bağlı regresyon katsayısı. : m. süt sığırında herhangi bir i. gözleme ait kalıcı çevre etkisine ilişkin n. şansa bağlı regresyon katsayısı. : t. denetim gününde değerlendirilen ve bu noktada tanımlanmış laktasyon eğrisinin sabit ve şansa bağlı regresyon değerlerine ilişkin 3 elemanlı ortak değişken (Covariate) vektörü (Modelde 2. dereceden legendre polinomiyali kullanılmış olup polinomiyal 3 parametrelidir). : hata etkisidir. (Her bir muamele için denetim günü aralıklarında farklı değerlendirilmiştir). Yukarıda verilen modelin matris gösterimleri aşağıdaki gibidir.
y = Xb + Za + Wp + e
Burada; y: gözlemler vektörü, b: sabit etkiler vektörü, a: eklemeli genetik etkilere ait şansa bağlı regresyon katsayıları vektörü, p: kalıcı çevre etkilerine ait şansa bağlı regresyon katsayıları vektörü, e: hata etkileri vektörü, X, Z ve W: desen matrisleridir.
Burada, A akrabalık matrisini, G ve P sırasıyla eklemeli genetik ve kalıcı çevre etkilerine ait varyans-kovaryans matrisini, I, birim matrisi ve R=Iσ2e ise hata etkilerine ait matrisi göstermektedir. Üzerinde durulan tüm muameleler (süt verimi, kuru madde, süt yağı (%) ve sağım süresi) arasındaki Varyans-kovaryans değerlerini gösteren matrisi elde edebilmek için aşağıda verilen eşitlik kullanılmıştır;
Burada; bütün gözlemler için t. denetim gününde varyans ve kovaryans tahmin değerlerini içeren 56 56 boyutunda matris, G modeldeki şansa bağlı regresyon katsayılarını kullanılarak hesaplanmış varyans bileşen değerlerini içeren 12 12 boyutunda matris, ise 2. derece legendre polinomunun katsayılarını içeren matrisi
125
Tablo 1. Denetim günlerine (DG) göre süt verimi (SV), kuru madde (KM), yağ (Y) ve sağım süresi
(SS) kayıtlarına ait tanımlayıcı istatistikler; kayıt sayısı (n) ortalama ( ), ve standart hata (S ). SV (kg) KM (%) Y (%) SS (min) DG n S S S S 1 59 11.82 0.532 10.27 0.244 3.98 0.107 6.98 0.222 16 59 12.15 0.557 10.56 0.137 3.58 0.077 7.08 0.244 31 59 12.76 0.502 11.32 0.158 3.69 0.066 6.96 0.290 46 59 13.04 0.446 11.14 0.142 3.78 0.130 6.73 0.255 61 56 11.86 0.375 10.59 0.173 3.64 0.069 6.72 0.281 76 54 10.77 0.437 11.30 0.145 3.87 0.091 6.96 0.290 91 49 10.83 0.434 11.35 0.124 3.69 0.064 6.46 0.252 106 44 10.21 0.471 10.59 0.203 3.79 0.078 6.78 0.319 121 41 9.34 0.421 11.76 0.127 3.86 0.059 7.32 0.284 136 35 9.14 0.408 10.91 0.213 4.03 0.091 6.17 0.216 151 33 8.04 0.405 12.71 0.242 4.84 0.156 6.15 0.327 166 31 7.96 0.362 12.41 0.114 4.10 0.080 4.78 0.196 181 30 7.28 0.334 12.28 0.184 4.18 0.070 6.99 0.284 196 27 6.11 0.267 11.90 0.239 4.70 0.092 6.86 0.327
ifade etmektedir. Bununla birlikte t. denetim gününde herhangi iki gözlem arasındaki genetik korelasyonu hesaplayabilmek için aşağıda verilen ifade kullanılmıştır;
Burada : t. denetim gününde herhangi iki gözlem arasındaki genetik korelasyonu, : herhangi iki gözlem arasındaki ( ve n ) t. denetim gününde kovaryans değerini, ve ise herhangi iki gözleme ilişkin t. denetim gününde varyans değerlerini ifade etmektedir.
Bulgular ve Tartışma
Bu çalışmadan SV için elde edilen kalıntılara ait hata varyans değerleri, kalıntılara ait varyansın denetim günü aralıkları boyunca bu çalışmada olduğu gibi heterojen varsayıldığı Karacaören ve ark. (2006) ve Bohmanova ve ark. (2008) tarafından yürütülen çalışmalardan genellikle düşük bulunmuştur. Benzer şekilde SS için denetim günü aralıkları boyunca hesaplanan kalıntı varyansı Karacaören ve ark. (2006)’nın bildirdiklerinden genel olarak düşüktür. Zwald ve ark. (2005) SS için kalıntı varyansını 1dk2 olarak hesaplamışlardır. Şekil 1’den de görüleceği üzere bu değer bu çalışmadan elde edilen tüm kalıntı varyanslarından daha düşüktür. KM için kalıntı varyansı söz konusu olduğunda ise bu çalışmadan elde edilen değerler Yazgan ve ark. (2008) tarafından bildirilenlerden düşük bulunmuştur. Çalışmalarda kullanılan hayvan sayısı ve ırk farklılıkları bu uyumsuzlukları bir ölçüde açıklayabilir. Şekil 1’de verildiği üzere SV için kalıntı varyansı 32 ila 43. gün aralığında en yüksek değere ulaşmıştır. Bu duruma hayvanların bu dönemde pik verime ulaşmaları ve kızgınlık göstermeleri sebep olmuş
olabilir. Buna karşılık KM için kalıntı varyansı 137 ila 151. gün arasında en yüksek değere ulaşmıştır. Bu duruma sütteki kuru maddenin bu dönemlerde artış göstermesi sebep olmuş olabilir.
Şekil 2’de verildiği üzere SV için tahmin edilen eklemeli genetik varyans laktasyonun başında yüksek olup ilerleyen günlerde düşüşe geçmiştir. Bu sonuç Takma ve Akbaş (2009)’ın bildirdikleri ile uyum içerisindedir. Bu sonuçlardan farklı olarak
Şekil 1. Denetim günü (DG) aralıklarında süt verimi (SV), kuru madde (KM), yağ (Y) ve sağım süresi
(SS) için denetim günü (DG) aralıklarında hata varyansları.
Cobuci ve ark. (2005), Miglior ve ark. (2007) ve Galiç ve Kumlu (2012) SV için eklemeli genetik varyansın laktasyonun başında ve sonunda, ortasına göre daha yüksek olduğunu bildirmişlerdir. SS söz konusu olduğunda eklemeli genetik varyans Zwald ve ark. (2005)’nın bildirdiklerinden düşüktür. Bu farklılık araştırmacıların daha fazla hayvan sayısı ve varyans bileşenlerinin tahmininde Gibbs örneklemi kullanmaları ile açıklanabilir. Ayrıca SV için bu çalışmadan elde edilen kalıcı çevre etkilerine ilişkin varyans denetim günleri boyunca eklemeli genetik varyansa göre daha stabil kalmıştır denilebilir (Şekil 2).
Şekil 3’de verildiği üzere SV için tahmin edilen kalıtım dereceleri laktasyonun başında yüksek olup ilerleyen günlerde düşüşe geçmiştir. Bu durum Takma ve Akbaş (2009)’ın bildirdikleri ile uyum göstermemekle birlikte araştırmacılar laktasyonun başında düşük sonunda ise yüksek kalıtım dereceleri hesaplamışlardır. Bu farklılıklar araştırmacıların laktasyon boyunca kalıntı etkisini sabit varsaymaları buna karşılık bu çalışmada kalıntılara ait etkinin denetim günleri arasında farklı olduğu varsayılarak
127
hesaplanması ile ayrıca her iki çalışmada kullanılan REML metotlarına ilişkin algoritma farklılıkları ve hayvan sayısındaki farklılıklar ile açıklanabilir.
Şekil 3’de verildiği üzere KM için tahmin edilen kalıtım dereceleri Yazgan ve ark. (2010) tarafından bildirilen değerlerden biraz düşük bulunmuştur. Bununla birlikte denetim günleri arasında kalıtım dereceleri eğilim bakımından oldukça benzer bulunmuştur. Ayrıca denetim günlerinde KM seviyesinin en düşük olduğu dönemlerde SV için en yüksek kalıtım derecesi değeri elde edilmiştir. Yine benzer şekilde SV için
Şekil 2. Süt verimi (SV), kuru madde (KM), yağ (Y) ve sağım süresi (SS) için denetim günleri (DG) boyunca eklemeli genetik ( ) ve kalıcı çevre ( ) varyansları.
Şekil 3. Süt verimi (SV), kuru madde (KM), yağ (Y) ve sağım süresi (SS) için denetim günleri (DG) boyunca kalıtım dereceleri.
129
Şekil 4. Denetim günleri (DG) boyunca süt verimi – kuru madde (SV-KM), süt verimi – yağ (SV-Y), süt verimi – sağım süresi (SV-SS), kuru madde – yağ (KM – Y), kuru madde – sağım süresi (KM – SS) ve yağ – sağım süresi (Y – SS) arasındaki genetik kovaryanslar (Grafiklerdeki yatay eksendeki sayılar denetim günlerinin numaralandırılmış halidir).
Şekil 5. Denetim günleri (DG) boyunca süt verimi – kuru madde ( ), süt verimi – yağ ( ), süt verimi – sağım süresi ( ), kuru madde – yağ ( ), kuru madde – sağım süresi ( ) ve yağ – sağım süresi ( ) arasındaki genetik korelasyonlar.
en yüksek kalıtım derecesi değeri elde edildiği dönemde Y veriminin en düşük seviyede olduğu saptanmıştır (Çizelge 1 ve Şekil 3). Bu çalışmada Y için tespit edilen kalıtım dereceleri (Şekil 3), Hammami ve ark. (2008) ve Yazgan ve ark. (2010)’nın bildirdikleri ile genellikle uyum içerisinde olmakla beraber, Silvestre ve ark. (2005), Stoop ve ark. (2007), Miglior ve ark. (2007), Bohmanova ve ark. (2008) ve Hossein-Zadeh ve Ardalan (2011)’nın bildirdikleri değerlerden düşük olarak tespit edilmiştir. Bununla birlikte sağım süresi söz konusu olduğunda bu çalışmadan elde edilen kalıtım dereceleri (Şekil 3), Zwald ve ark. (2005)’nın bildirdiklerinden düşük bulunmakla beraber Karacaören ve ark. (2006)’nın bildirdikleri süt sağım hızına ilişkin değerlerden yüksektir.
Kovaryanslar ele alındığında Şekil 4’de verildiği üzere SV ve KM arasındaki genetik kovaryans tüm denetim günleri göz önüne alındığında başta ve sonda yüksek ortada ise düşük bulunmuştur. Buna bağlı olarak bu iki gözlem arasındaki genetik korelasyon 91. Denetim günü civarında 0’a çok yaklaşmıştır (Şekil 5). SV ve Y arasındaki genetik korelasyon ise 61. Güne kadar 0.30 – 0.59 aralığında seyretmiş bundan sonra düşüş eğilimi göstererek 196. günde 0’a yaklaşmıştır.
Çizelge 1’de verildiği üzere SV, 46. günden başlayarak 196. güne kadar azalmaktayken, KM oranı ve Y verimi tipik olarak artma eğiliminde olmuştur. Bunun tersine SV azalmaktayken, SS sabit kalmıştır. KM ve Y arasındaki genetik korelasyonların tüm denetim günlerinde yüksek olması (Şekil 6) süt yağının diğer bileşenlerden (Protein, laktoz vs.) bir miktar daha artığının bir göstergesi olabilir. Ayrıca, Şekil 6’da görüldüğü üzere SV – Y ve SV – SS arasındaki genetik korelasyonların denetim günleri boyunca artma ya da azalma eğilimleri benzerlik göstermektedir. Sütteki kuru maddenin ve buna bağlı olarak yağ ve diğer bileşenlerin artış göstermesi sütün akıcılığına etki ederek SV azalırken SS’nin değişmeyip sabit kalmasına sebep olmuş olabilir.
131
Bu çalışmada kullanılan veri seti deneysel bir çiftlikten ve az sayıda hayvandan elde edildiği için, ticari ve çok sayıda hayvan kullanılarak yapılan çalışmaların sonuçları ile her ne kadar benzerlik göstermese de, süt verimi dahil olmak üzere birden fazla gözlemin şansa bağlı regresyon modeli kullanılarak aynı anda analiz edilmesi ve buna bağlı çeşitli bulguları sebebiyle öncü bir nitelik taşımaktadır. Bu araştırmanın ülkemizde bu çalışmada yer alan veya buna benzer gözlemlerin ele alındığı çok daha büyük veri setleri ile tekrarlanması ve sonuçlarının ıslah kriteri olarak kullanılması önerilebilir. Kaynakça
Boettcher, P. J., Dekkers, J. C. M., Kolstad, B. W. 1998. Development of an udder health index for sire selection based on somatic cell score, udder conformation, and milking speed. J. Dairy Sci. 81:1157–1168.
Bohmanova, J., Miglior, F., Jamrozik, J., Misztal, I., Sullivan, P. G. 2008. Comparison of Random Regression Models with Legendre Polynomials and Linear Splines for Production Traits and Somatic Cell Score of Canadian Holstein Cows. J. Dairy Sci. 91:3627–3638.
Cobuci, J. A., Euclydes R.F., Lopes, P. S., Claudio, N. C., Robledo, A. T., Carmen, S. P. 2005. Estimation of genetic parameters for test-day milk yield in Holstein cows using a random regression model. Genet. Mol. Biol. 28: 75-83.
Galiç, A., Kumlu, S. 2012. Application of a random regression model to estimation of genetic parameters of test day milk yields of Turkish Holstein Firesians. Kafkas Univ Vet Fak Derg. 18 (5): 719-724. Hammami, H., Rekik, B., Soyeurt, H., Ben Gara A., Gengler, N. 2008. Genetic parameters for Tunisian
Holstein Using a Test- Day Random Regression Model. J. Dairy Sci. 91: 2118–2116.
Hossein-Zadeh, N. G., Ardalan, M. 2011. Estimation of genetic parameters for milk urea nitrogen and its relationship with milk constituents in Iranian Holsteins. Livest Sci. 135: 274–281.
Ilahi, H., Kadarmideen, H. N. 2004. Bayesian segregation analysis of milk flow in Swiss dairy cattle using Gibbs sampling. Genet. Sel. Evol. 36:563–576.
Interbull. International bull evaluation service [Internet]. c1997-2012. Sweden: permanent sub-committee of the International Committee for Animal Recording (ICAR); [cited 2007 Nov 30]. Available from: http://www interbull.slu.se/eval/aug07.html.
Karacaören, B., Jaffrézic, F., Kadarmideen, H. N. 2006. Genetic parameters for functional traits in dairy cattle from daily random regression models. J. Dairy Sci. 89:791–798.
Meyer, K., Burnside, E. B. 1987. Scope of a subjective assessment of milking speed. J Dairy Sci 70:1061–1068,
Meyer, K. 2007. Wombat: a tool for mixed model analyses in quantitative genetics by REML. [Internet]. Version 19-05-2012. Armidale: University of New England Australia. Available from : http://didgeridoo.une.edu.au/km/homepage.php.
Miglior, F., Sewalem, A., Jamrozik, J., Bohmanova, J., Lefebvre, D. M., Moore, R. K. 2007.Genetic analysis of milk urea nitrogen and lactose and their relationships with other production traits in Canadian Holstein cattle. J. Dairy Sci. 90, 2468–2479.
Schaeffer, L. R., Jamrozik, J, Kistemaker, G. J., Van Doormaal, B. J. 2000. Experience with a test-day model. J Dairy Sci. 83: 1135-1144.
Silvestre, A. M., Petim-Batista F., Colaco, J. 2005. Genetic parameter estimates of Portuguese dairy cows for milk, fat, and protein using a spline test-day model. J. Dairy Sci. 88:1225-1230.
Stoop W. M, Bovenhuis, H., Van Arendok, J. A. M. 2007. Genetic parameters for milk urea nitrogen in relation to milk production traits. J. Dairy Sci. 90: 1981–1986.
Takma, Ç., Akbaş, Y. 2009. Variance components and genetic parameter estimates using random regression models on test day milk yields of Holstein Friesians. Kafkas Univ Vet Fak Derg. 15 (4): 547-551.
Yazgan, K., Makulska J., Węglarz, A., Ptak, E., Gierdziewicz, M. 2010. Genetic relationship between milk dry matter and other milk traits in extended lactations of Polish Holstein cows. Czech J Anim Sci. 55 (3), 91–104.
Zwald, N. R., Weigel, K. A., Chang, Y. M., Welper, R. D., Clay, J. S. 2005. Genetic evaluation of dairy sires for milking duration using electronically recorded milking times of their daughters. J. Dairy Sci. 88:1192–1198.